基于具有对称性不可分小波的多聚焦图像融合

针对可分小波多聚焦图像融合方法存在的不足,提出一种基于四通道不可分小波的多聚焦图像融合方法。首先根据不可分小波理论,构造出一组二维四通道4×4具有对称性的不可分小波滤波器组;然后利用此滤波器组对参加融合的图像进行滤波,低频部分采用简单的加权平均算法,高频部分采用局部窗口能量取大的融合算法对分解后的系数图像进行融合;最后对图像进行重构,并采用熵、平均梯度等指标对融合结果图像进行了评价。实验结果表明,该方法对多聚焦图像的融合有较好的融合效果,与采用相同融合算法的基于可分小波的融合方法相比,能更好地突出低频域边缘细节信息,得到更为清晰的融合结果图像。     

非下采样三通道不可分小波的多聚焦图像融合

针对可分小波多聚焦图像融合方法存在的不足,提出了一种基于非下采样三通道不可分小波的融合方法。根据不可分小波理论,构造了一组3通道4×4的不可分小波滤波器组,并把此滤波器组应用于多聚焦图像融合中。实验结果表明,该方法对多聚焦图像的融合有较好的融合效果,其融合性能好于采用相同融合算法的基于张量积小波的融合方法。     

不可分拉普拉斯金字塔构造及其在多光谱图像融合中的应用

针对拉普拉斯塔形（LP）变换在图像融合中具有高频信息损失严重且缺乏平移不变性的问题，利用不可分小波具有平移不变性和能够准确描述图像细节信息的特点，提出一种新的非采样不可分拉普拉斯金字塔构造方法，并将该构造方法应用于多光谱图像融合中。首先，构造六通道不可分低通滤波器，利用该滤波器构造多光谱图像和全色图像的非采样不可分小波塔形分解，进而对图像进行非采样不可分拉普拉斯塔形分解；然后，针对不同的分解层采用不同的融合规则进行融合；最后，根据不可分拉普拉斯重构算法进行重构，即可得到融合后的图像。实验结果表明，与离散小波变换（DWT）的融合方法、基于Contourlet变换（CT）的融合方法以及基于直方图中轴化（MHE）的融合方法对比，所提方法在保持原全色图像空间分辨率的评价指标空间相关系数上分别提高了1.84%、1.56%和11.06%，在光谱信息保持程度的评价指标相对整体维数综合误差上分别降低了49.26%、48.15%和89.19%。该方法所得图像在获得好的光谱信息的同时有效地提高了空间分辨率，较好地保留了图像的边缘信息与结构信息。     

基于四通道不可分加性小波的多光谱图像融合

针对张量积小波不具有对称性,在图像融合中难以获得高空间分辨率图像的问题,文中提出了伸缩矩阵为[2,0;0,2],且具有紧支撑、对称性和正交性的不可分小波的一种构造方法,并把此类小波应用于多光谱图像与高分辨率图像的融合中.利用矩阵扩充方法设计了4通道6×6对称的不可分小波滤波器组,并构造出多组滤波器组,利用此类滤波器组中的低通滤波器对图像进行加性分解与重构;对QuickBird及其它类多光谱图像与高分辨率图像的融合进行了研究,提出了3种融合模式NAWS、NAWRGB和NAWL.对这些模式进行了实验研究,并采用客观性能指标对融合结果图像进行了客观评价.实验结果表明,该方法对多光谱图像与高分辨率图像的融合有较好的融合效果,与张量积小波的融合方法、可分的加性小波融合方法和二通道不可分加性小波融合方法相比,该方法在保持图像的高空间分辨率方面有优越的性能,能从原图像中获得更多的信息.同时该方法又能保持较好的多光谱信息.     

基于非分离小波的多模态医学图像融合算法*

针对传统可分离小波医学图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,根据CT/MRI图像内容的互补性,提出整合及突出图像细节的医学图像融合算法。该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用区域信息熵加权融合规则,对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则;最后通过非分离小波逆变换重构融合图像。实验结果表明,该算法能在保留源图像信息的情况下增强融合图像的细节及亮度信息。     

改进的基于形态学小波多聚焦图像融合方法

提出了一种改进的形态学小波多聚焦图像融合算法。针对文献[1]基于形态学小波多聚焦图像融合方法在重构过程中存在灰度值下溢的缺点,提出了一种检测-重融合的新方法。融合试验表明,该方法优于传统的形态学小波融合方法。     

采用梅花采样方向滤波器组的多光谱图像融合

利用梅花采样方向滤波器能够提供丰富的方向信息的特点,提出了一种基于此方向滤波器组的多光谱图像融合方法。该方法通过IHS变换,将多波段影像从RGB空间转换到IHS空间,对I分量及全色影像进行梅花采样方向滤波器变换,得到相应的低频子图像和高频不同方向的子图像,将它们按一定的融合规则得到新的I分量,通过IHS逆变换得到RGB融合图像。实验结果表明,该方法在图像边缘等细节上有较好的视觉效果,取得了优于IHS方法和基于梅花形采样离散小波变换方法的融合效果。     

基于形态非抽样小波的实时图像融合方法

提出一种适合实时图像融合的形态非抽样小波(MUDW)变换,该变换采用膨胀和腐蚀操作的平均值作为分解过程中的分析算子,以相邻尺度图像之间的差作为细节图像,使尺度刻画更精细,细节描述更准确;采用随尺度增加而大小递增的结构元素,使尺度间差异更大,应用于图像融合可得到更好的图像融合效果。相比现有的实时图像融合方法,因为膨胀和腐蚀操作的便捷性,所以具有更高的实时性。通过实验证明了该方法具有良好的多尺度分解特性,取得了更好的融合效果;进一步在重构时设立增强因子能显著增强融合图像的效果。因此,在实时图像融合上具有较强的应用价值。     

角点测度在月球表面多光谱图像融合中的应用

根据Harris角点检测原理,提出角点测度的概念,并以角点测度响应值作为高频图像融合系数的选择依据,进而提出基于图像冗余小波域的角点测度重要中心系数算法。算法首先利用冗余小波变换把多光谱图像分解成小波平面和相似平面,然后利用角点测度响应函数来估计小波平面的角点测度,用基于角点测度响应值的重要中心系数融合规则融合小波平面。对相似平面则采取加权平均的融合规则,最后通过冗余小波逆变换得到融合图像。在实验中,用Clementine月球表面多光谱数据和SPOT5多光谱数据验证了算法的有效性,并和其他方法做了比较,除了基于视觉的主观比较以外,还引入了标准差、熵、清晰度和相关系数等客观评价指标对融合结果进行评价,结果表明,算法有效地保持了原图像的细节特征,如边缘、角点等。     

关键基于二维小波变换的图像矢量分解消噪方法

介绍了MATLAB二维小波工具箱在含噪图像预处理中的应用,并提出了一种基于二维小波变换的图像消噪的矢量分解方法。仿真结果表明,该矢量分解消噪方法确实可行,达到了理想的效果。     

基于多尺度支撑域描述子的多光谱图像匹配算法

针对现有多光谱图像匹配算法鲁棒性不强的问题,提出一种新的基于多尺度支撑域描述子的多光谱图像匹配算法。该算法首先提取Harris角点作为特征点;然后分别统计特征点不同尺度邻域内的边缘方向直方图,组合构成特征描述子;以欧氏距离为相似度准则,使用比值法获得初始匹配结果;最后提出了一种基于RANSAC算法的外点去除算法。实验结果表明,该算法可有效匹配多光谱图像,且与已有算法相比鲁棒性更强,获取的正确匹配对更多。     

基于图像抠图技术的多聚焦图像融合方法

针对多聚焦图像融合容易出现信息丢失、块效应明显等问题,提出了一种新的基于图像抠图技术的多聚焦图像融合算法。首先,通过聚焦检测获得源图像的聚焦信息,并根据所有源图像的聚焦信息生成融合图像的三分图,即前景、背景和未知区域;然后,利用图像抠图技术,根据三分图获得每一幅源图像的精确聚焦区域;最后,将这些聚焦区域结合起来构成融合图像的前景和背景,并根据抠图算法得到的确定前景、背景对未知区域进行最优融合,增强融合图像前景、背景与未知区域相邻像素之间的联系,实现图像融合。实验结果表明,与传统算法相比,所提算法在客观评价方面能获得更高的互信息量（MI）和边缘保持度,在主观评价方面能有效抑制块明显效应,得到更优的视觉效果。该算法可以应用到目标识别、计算机视觉等领域,以期得到更优的融合效果。     

基于粒度与小波变换的纹理图像分割*

对小波变换本质进行分析,得出小波是将序列收敛的商空间逼近改造成按级数收敛的商空间逼近的结论.将商空间粒度计算理论与小波变换相结合并应用于纹理图像分割中,取得了成功.     

基于小波分析的图像融合新方法

针对多源像素级数字图像融合,给出了一种基于小波分析的融合新方法。根据不同的频率域特点选择不同的融合规则,对低频系数给出了基于边缘信息的融合规则,对高频系数给出了基于窗口与分形思想相结合的融合规则。实验结果表明,新方法得到的融合图像无论在视觉效果还是在客观评价方面,均优于传统的融合方法,这为图像融合算法的研究提供了一种新方法。     

基于SqueezeNet的轻量级图像融合方法

现有深度红外和可见光图像融合模型网络参数多,计算过程需要耗费大量计算资源和内存,难以满足移动和嵌入式设备上的部署要求。针对上述问题,提出了一种基于SqueezeNet的轻量级图像融合方法,该方法利用轻量级网络SqueezeNet提取红外和可见光图像特征,并通过该网络提取的特征获得权重图并进行加权融合,进而获得最后的融合图像。通过与ResNet50方法进行比较发现,该方法在保持融合图像质量相近的情况下,模型大小和网络参数量分别被压缩为ResNet50方法的1/21和1/204,运行速度加快了4倍。实验结果表明,该方法不仅降低了融合模型的大小,加快了图像融合速度,同时得到了比其他传统融合方法更好的融合效果。     

基于多小波变换的多聚焦图像融合

多聚焦图像融合的关键问题是如何保持原始图像的边缘和细节信息。多小波分析具有多个分析基函数和产生更多分解子图像的特点。在多小波变换域对低频和高频小波系数采用不同的融合方法——对低频系数采用取平均的方法,而对高频系数采用边缘梯度对比的方法。通过实验证明,该方法能够很好地保存图像的边缘和细节信息,融合结果得到了改善。     

Image fusion method based on nonseparable wavelets

This paper presents an image fusion method based on a new class of wavelet - nonseparable wavelet with compact support, linear phase, orthogonality, and dilation matrix . We first construct a 6 x 6 nonseparable wavelet filter bank. Using these filters the images involved are decomposed into nonseparable wavelet pyramids. Then the following fusion algorithm is proposed: for the low-frequency part, we select the average of the low-frequency subimages from both sensors. For every high-frequency subimage of each level, we select the absolute value of each pixel of the high-frequency subimage to form a new subimage, and the variance of each image patch over a 3 x 3 window in the new subimages is computed as an activity measurement. If the variance of the 3 x 3 window in one new subimage is greater than the variance of the corresponding 3 x 3 window in the other new subimage, then the center pixel value of the 3 x 3 window is selected as a new pixel value of the fused image. A new fused image is then reconstructed. The performance of the method is evaluated using entropy, root mean square error, and peak-to-peak signal-to-noise ratio. The experimental results show that this method has good vision effect. Because the nonseparable wavelet transform can extract more details from source images, all the features in the source images can be seen in the fused image, and the fused image can extract more information from the source images.Received: 5 July 2003, Accepted: 29 November 2004, Published online: 25 February 2005This research was support by NSFC under project 60085002     

一类二维小波构造及在图像融合中的应用

论文提出了一类新的小波-具有紧支撑、线性相位和正交性、伸缩矩阵为200的非张量积小波的一种构造方法,并把此类小波应用于多聚焦图像融合中。首先根据非张量积小波理论,提出了一种设计4通道6×6对称的非张量积小波滤波器组的方法,并用此方法设计出多组具有紧支撑、线性相位和正交性的非张量积小波6×6滤波器组,利用此类滤波器组对参加融合的图像进行滤波;然后利用基于张量积小波的图像融合常用的三种融合规则对图像进行融合。通过研究发现:无论利用三种规则的哪一种对多聚焦图像进行融合,基于该文构造的非张量积小波的融合方法都可得到较好的融合效果。作为例子选用对低频部分和高频部分均采用基于局部窗口激活度量取大的融合算法对分解后的系数图像进行融合;最后重构。并采用熵、均方根误差等指标对融合结果图像进行了评价,实验结果表明,该方法对多聚焦图像的融合有较好的融合效果。其融合性能好于采用相同融合算法的基于张量积Haar小波的融合方法和基于不对称的非张量积小波融合方法。     

基于梯度融合规则的医学图像融合方法*

为了更好地满足临床诊断和治疗的需要,本文提出了一种在图像融合阶段对测量值进行自适应梯度加权和图像重建时采用CoSaMP重建算法相结合的方法。该算法首先对两幅源图像分块并进行稀疏表示,同时利用观测矩阵进行测量。在测量数据融合阶段引入图像梯度来反应图像本身的边界信息,先计算每幅分块子图像的梯度;然后利用自适应梯度加权的融合规则得到融合的测量数据,并对融合测量数据进行随机压缩采样;最后通过CoSaMP算法对采样数据进行信息重构实现测量数据的恢复。该方法克服了图像融合时信息畸变的缺陷,并且可以根据不同融合区域自动调整融合规则的权重系数,有效地避免了设置固定权重系数造成的融合误差。实验结果和评价指标验证了本文算法的有效性和先进性。     

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一,但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息,关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性,而自相似性又是分形分维的基础。于是,根据图像金字塔的特点,提出了一种新的图像融合方法——基于图像金字塔的分维融合算法,将不同源图像分别分解成不同尺度的金字塔图像序列,在相应的尺度上以分形分维作为权系数进行融合,并采用中波红外和长波红外图像作为源图像进行融合实验,实验结果表明该方法是可行的。